49
pengukuran tersebut. Tes yang menghasilkan data yang tidak relevan dengan pengukuran dikatakan sebagai tes yang memiliki validitas rendah.
Pengujian validitas alat ukur penelitian dilakukan secara criterium of internal consistency atau dengan cara mengkorelasikan antara skor item dengan
skor total skala. Kaidah yang digunakan dalam uji validitas item adalah suatu item ditetapkan melalui syarat validitas, yaitu jika item berkorelasi positif dengan faktor
dengan peluang maksimum 0,05. Dalam penelitian ini digunakan korelasi Pearson sebagai uji validitas.
∑ ∑
∑
− −
− −
=
2 2
Y Y
X X
Y Y
X X
r
j bj
j bj
dimana X
bj
adalah skor item ke b suatu variabel ke j, Y
j
adalah total skor seluruh item suatu variabel ke j. Untuk menguji keberartian korelasi dilakukan uji-t dengan tingkat kesalahan
sebesar 5.
2
1 2
r n
r t
− −
=
2. Analisis preferensi konsumen
Preferensi konsumen merupakan variabel respon yang mempunyai 2 kemungkinan, yaitu i konsumen lebih suka beras organik, dan ii konsumen
sama sukanya atau lebih suka beras non organik. Dalam kasus permintaan beras organik, konsumen yang lebih suka beras organik akan mempunyai kecenderungan
yang lebih besar untuk mengkonsumsi beras organik dibandingkan konsumen yang sama sukanya atau konsumen yang lebih suka beras non organik. Dengan demikian
maka preferensi konsumen merupakan variabel binomial.
50
Untuk menguji hipotesis 1 dilakukan analisis untuk mengetahui faktor yang berpengaruh terhadap preferensi konsumen. Untuk menganalisis faktor yang
berpengaruh terhadap preferensi konsumen dilakukan analisis regresi logit binomial, dengan model sebagai berikut:
Pf ln --------
1 – Pf =
α
1i
+ β
1i
OR
i
+ β
2i
Ass
i
+ β
3i
EC
i
+ β
4i
LnInc
i
+ β
5i
Da
i
+ β
6i
Dg
i
+
ε
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.1 dimana
Pf
i
: Preferensi konsumen 1 jika lebih suka beras organik, 0 jika tidak lebih
suka OR
i
: Persepsi pertanian organik rata-rata skor
Ass
i
: Kemurnian beras organik rata-rata skor
EC
i
: Kepedulian terhadap lingkungan rata-rata skor
LnInc
i
: Pendapatan keluarga ribu Rupiah
Da : Dummy lokasi Surakarta 1 bagi konsumen Surakarta, 0 lainnya
Dg : Dummy lokasi Semarang 1 bagi konsumen Semarang, 0 lainnya
α
1
: Konstanta
β
1
... β
6
: Koefisien regresi
Penyelesaian regresi logit binomial dilakukan dengan metode Maximum Likelihood Estimation MLE dengan bantuan program komputer Eviews. Setelah
memperoleh model logit ordinal dan dilakukan penaksiran konstanta dan koefisien regresi, maka dilakukan pengujian untuk mengetahui ketepatan model dan
keberartian parameter.
51
i Nilai McFadden’s R2 untuk mengetahui ketepatan model yang dinyatakan sebagai persentase variasi variabel preferensi konsumen yang dapat dijelaskan
oleh variabel bebas; ii Rasio likelihood digunakan untuk menguji ketepatan model yang digunakan.
Model dinyatakan tepat apabila terdapat minimal satu dari variabel yang digunakan berpengaruh nyata terhadap variabel bebas. Rasio likehood ini
digunakan untuk menguji hipotesis nol yaitu bahwa semua koefisien regresi logit binomial
β
1
... β
6
sama dengan nol melawan hipotesis alternatif yaitu minimal satu koefisien regresi tidak sama dengan nol. Secara matematis
hipotesis tersebut dirumuskan sebagai berikut: H
: β
1
= β
2
= .... = β
6
= 0, artinya tidak ada satu pun variabel bebas yang
berpengaruh terhadap variabel terikat Ha : minimal satu dari koefisien regresi logit binomial
β
1
... β
6
≠0 Rasio likehood diperoleh dengan cara membandingkan fungsi log likehood dari
seluruh variabel bebas dengan fungsi log likehood tanpa variabel bebas. Nilai rasio likehood berdistribusi chi kuadrat, yang diperoleh dengan rumus
Jika nilai
hitung χ
2
lebih besar dari nilai χ
2
– tabel pada tingkat kesalahan 5, maka disimpulkan bahwa sedikitnya satu variabel bebas yang digunakan
dalam model berpengaruh terhadap variabel terikat odds. iii Uji Wald digunakan untuk menguji pengaruh variabel bebas independent
variable secara individual terhadap variabel terikat odds. Jika suatu koefisien regresi logit ordinal
β
1
... β
6
berarti secara statistik, berarti variabel
52
bebas tersebut berpengaruh terhadap variabel terikat odds. Adapun rumusan hipotesisnya adalah sebagai berikut:
H :
β
j
= 0, artinya variabel bebas ke-j tidak berpengaruh terhadap variabel terikat odds
H
a
: β
j
≠0, artinya variabel bebas ke-j berpengaruh terhadap variabel terikat odds
Harga statistik Wald diperoleh dengan cara membagi koefisien regresi dengan kesalahan standarnya.
Jika nilai W lebih besar dari z-tabel pada tingkat kesalahan 5, maka dapat disimpulkan bahwa variabel bebas ke-j berpengaruh nyata terhadap variasi variabel
terikat odds. Koefisien regresi logit binomial diinterpretasikan sebagai dampak perubahan variabel bebas terhadap variasi odds, yang berarti pula berpengaruh
terhadap probabilitas preferensi seseorang Raharjanti dan Widiharih, 2005. 3. Analisis Fungsi Harga Hedonik
Untuk menguji hipotesis 2 dilakukan analisis fungsi harga hedonik. Fungsi harga hedonik menunjukkan hubungan harga beras organik dengan
karakteristik beras organik. Model yang digunakan dalam analisis harga hedonik dalam penelitian ini adalah regresi inversia semilogaritma. Regresi inversia
semilogaritma merupakan regresi yang variabel terikatnya dinyatakan dalam bentuk logaritma Gujarati, 1997. Model ini digunakan dengan tujuan untuk
melihat hubungan perubahan karakteristik beras organik yang merupakan variabel kualitatif terhadap persentase perubahan harga. Analisis dilakukan pada konsumen
daerah sekitar sentra produksi beras organik Sragen, dan konsumen daerah tujuan pemasaran beras organik Semarang dan Semarang, serta analisis total. Model
53
fungsi harga beras organik yang digunakan dalam penelitian ini adalah sebagai berikut:
Ln Pr
i
= α
0i
+ α
1i
Bl
i
+ α
2i
Wb
i
+ α
3i
Bt
i
+ α
4i
Br
i
+ α
5i
Bg
i
+ α
6i
Tk
i
+ α
7i
Ar
i
+ α
8i
Vg
i
+ α
9i
Ms
i
+ α
10i
Sp
i
+
ε
Pr
. . . . . . . . . . . . . . . . 3.2 Ln Pr
i
: Harga beras organik Rpkg Bl
i
: Butir kepala skor Wb
i
: Warna butiran skor Br
i
: Butir kapur
skor Bt
i
: Butir coklat
skor Bg
i
: Benda asing skor Tk
i
: Tekstur skor
Ar
i
: Aroma skor
Vg
i
: Volume keterkembangan
skor Ms
i
: Rasa manis skor Sp
i
: Tahan simpan skor Model di atas dianalisis dengan menggunakan metode Ordinary Least
Square OLS yang dilakukan melalui dua tahap, yaitu pengujian terhadap asumsi klasik dan pengujian kesesuaian model Green, 1993; Johnston dan Dinardo, 1997;
Gujarati, 2003. Pengujian asumsi klasik yang dilakukan pada penelitian ini adalah uji multikolinieritas dan heteroskedastisitas, karena data yang digunakan dalam
penelitian ini merupakan data antar sampel cross section. Jika asumsi klasik terpenuhi maka hasil analisis yang digunakan adalah hasil analisis dengan OLS.
Jika asumsi klasik tidak terpenuhi maka dilakukan perbaikan dan hasilnya digunakan sebagai model fungsi harga hedonik beras organik.
Pengujian asumsi klasik ditujukan untuk mengetahui apakah koefisien regresi merupakan penaksir tak bias yang terbaik Best Linear Unbiased Estimator
BLUE. Pengujian asumsi klasik adalah sebagai berikut:
54
a. Uji multikolinieritas. Uji multikolinieritas dimaksudkan untuk mengetahui
apakah terdapat hubungan linier antara variabel bebas yang digunakan dalam model. Hubungan linier antar variabel bebas dilihat dengan menggunakan
matriks korelasi antar variabel bebas. Jika nilai koefisien korelasi antara variabel bebas lebih besar dari 0,80 maka terdapat gangguan
multikolinearitas Gujarati, 1997. Jika dalam model terdapat gangguan multikolinearitas maka dilakukan perbaikan gangguan multikolinieritas
dengan mengeluarkan salah satu variabel yang berkorelasi dengan mempertimbangkan terjadinya bias spesifikasi pada model Gujarati, 1997.
b. Uji heteroskedastisitas. Uji heteroskedastisitas dilakukan untuk mengetahui
apakah model yang digunakan mempunyai unsur pengganggu error term yang konstan homoskedastis, yang secara matematis dilambangkan dengan
Eµ
i 2
= σ
2
. Jika unsur pengganggu tidak konstan, yaitu Eµ
i 2
= σ
i 2
berarti terjadi pelanggaran asumsi OLS yaitu model yang digunakan bersifat
heteroskedastis. Uji heteroskedastisitas yang digunakan meliputi uji Park, uji Glejser, dan uji White yang merupakan uji yang digunakan dalam program
Eviews. Adanya heteroskedastisitas ditunjukkan oleh harga statistik chi kuadrat
χ
2
dari ObsR-squared. Jika harga statistik chi kuadrat dari ObsR- squared lebih kecil dibandingkan dengan nilai kritis chi kuadratnya
χ
2
, maka dapat dikatakan bahwa tidak terdapat masalah heteroskedastistias
dalam model yang digunakan Widarjono, 2005. Jika dari analisis didapatkan permasalahan heteroskedastisitas, maka dilakukan perbaikan
dengan metode White atau Newey-West. Setelah persamaan regresi yang terbebas dari masalah multikolinieritas dan
heteroskedastisitas diperoleh, maka dilakukan uji kesesuaian model. Kesesuaian
55
model ditunjukkan dari koefisien determinasi R
2
, uji F over-all test dan uji t individual test.
i Koefisien determinasi R
2
. Nilai koefisien determinasi R
2
menunjukkan ketepatan model. Nilai koefisien determinasi ini menyatakan dengan persentase
variasi variabel terikat yang mampu dijelaskan oleh variasi variabel bebas yang digunakan dalam model. Nilai koefisien determinasi yang mendekati satu atau
sama dengan satu menunjukkan bahwa model yang digunakan adalah baik Gujarati, 1997. Nilai koefisien determinasi dihitung dengan menggunakan
rumus R
2
= ESSTSS atau R
2
= 1 - RSSTSS Keterangan: R2 = nilai koefisien determinasi, ESS = explained sum of squares,
TSS = total sum of squares, RSS = residual sum of squares Nilai koefisien determinasi selalu meningkat seiring dengan bertambahnya
variabel bebas yang digunakan dalam model. Hal ini menjadi kelemahan dari nilai koefisien determinasi. Untuk mengatasi hal ini, maka digunakan koefisien
determinasi yang disesuaikan adjusted R
2
dengan memasukkan derajat bebas agar kekurangan yang ditimbulkan dari penambahan variabel bebas dapat
dihilangkan Gujarati, 1997. Nilai adjusted R
2
sangat berguna untuk membandingkan nilai koefisien determinasi dari model regresi yang jumlah
variabel bebasnya tidak sama. Koefisien determinasi disesuaikan dihitung dengan rumus sebagai berikut:
∑ ∑
keterangan: = hasil estimasi nilai variabel terikat;
56
= rata-rata nilai variabel terikat; n = banyaknya sampel
Y
i
= nilai observasi variabel terikat; k = banyaknya variabel
ii Uji F over-all test, digunakan untuk menguji pengaruh variabel bebas secara bersama-sama terhadap variabel terikat. Uji-F ini digunakan untuk menguji
hipotesis bahwa semua koefisien regresi variabel bebas dalam model yang bernilai sama dengan nol. Secara matematis dirumuskan sebagai berikut:
H :
α
1
= α
2
= α
3
= .... = α
10
= 0, artinya tidak ada satu pun variabel bebas
yang berpengaruh terhadap variabel terikat; Ha: minimal satu
α
i
≠0, artinya terdapat sedikitnya satu variabel bebas yang berpengaruh terhadap variabel terikat.
Harga statistik-F dirumuskan sebagai berikut : ⁄
⁄
F-tabel = [ k – 1; n – k; 5 ]
keterangan: R
2
= koefisien determinasi k = banyaknya koefisien regresi termasuk intersep
n = ukuran sampel Jika F-hitung lebih besar dari F-tabel pada tingkat kesalahan 5, maka
disimpulkan bahwa didapatkan sedikitnya satu variabel bebas yang berpengaruh terhadap variabel terikat, namun jika F-hitung lebih kecil atau
sama dengan F-tabel maka tidak didapatkan cukup bukti bahwa terdapat variabel bebas yang berpengaruh terhadap variabel terikat.
iii Uji-t individual test, digunakan untuk menguji keberartian koefisien regresi masing-masing variabel bebas. Jika suatu koefisien regresi cukup berarti
57
secara statistik, berarti variabel bebas tersebut berpengaruh terhadap variabel terikat. Adapun rumusan hipotesis yang diuji adalah:
H :
α
i
= 0, artinya variabel bebas ke-i tidak berpengaruh terhadap variabel terikat
H
a
: α
i
≠0, artinya variabel bebas ke-i berpengaruh terhadap variabel terikat Harga statistik-t dihitung dengan menggunakan rumus sebagai berikut:
α
t-tabel = n – k ; 5
keterangan : α
i
= koefisien regresi variabel ke-i S
αi
= kesalahan baku koefisien regresi variabel ke-i Jika t-hitung lebih besar dari t-tabel pada tingkat kesalahan 5, maka disimpulkan
bahwa variabel bebas ke-i berpengaruh terhadap varibel terikat, dan jika t-hitung lebih kecil atau sama dengan t-tabel pada tingkat kesalahan 5, maka disimpulkan
bahwa variabel bebas ke-i tidak berpengaruh terhadap varibel terikat. 4. Permintaan Konsumen terhadap beras organik
Untuk menguji hipotesis 4 dilakukan analisis fungsi permintaan. Fungsi permintaan konsumen terhadap beras organik diestimasi dengan model regresi
logaritma ganda. Estimasi permintaan dilakukan pada konsumen daerah Sragen, Surakarta, dan Semarang, serta analisis total. Faktor yang diduga berpengaruh
terhadap permintaan konsumen terhadap beras organik meliputi harga beras organik, harga beras non organik, pendapatan keluarga, pendidikan ibu rumah
tangga, referensi keluarga, referensi teman dan referensi tetangga. Model permintaan beras organik dinyatakan sebagai berikut:
Ln Q
i
= β
0i
+ β
1i
LnPr
1 i
+ β
2i
LnPc
i
+ β
3i
LnInc
i
+ β
4i
Ed
i
+ β
5i
RefKlg
i
+ β
6i
RefTmn
i
+ β
7i
RefTtg
i
+ β
8i
Pf
1 i
+
ε
Q
. . . . . . . . . . . . . . . . 3.3
58
dimana, Q
i
: Permintaan beras organik kgbln Pr
1 i
: Harga beras organik dugaan Rpkg Pc
i
: Harga beras non organik Rpkg Inc
i
: Pendapatan keluarga ribu Rupiah Ed
i
: Pendidikan ibu rumah tangga skor RefKlg
i
: Referensi keluarga, 0 jika tidak ada referensi, 1 jika ada referensi RefTmn
i
: Referensi teman, 0 jika tidak ada referensi, 1 jika ada referensi RefTtg
i
: Referensi tetangga, 0 jika tidak ada referensi, 1 jika ada referensi Pf
1 i
: Preferensi konsumen dugaan skor terduga
Model di atas dianalisis dengan menggunakan metode Ordinary Least Square OLS yang dilakukan melalui dua tahap, yaitu pengujian terhadap asumsi
klasik dan pengujian kesesuaian model Green, 1993; Johnston dan Dinardo, 1997; Gujarati, 2003. Pengujian asumsi klasik yang dilakukan pada penelitian ini adalah
uji multikolinieritas dan heteroskedastisitas, karena data yang digunakan dalam penelitian ini merupakan data antar sampel cross section. Jika asumsi klasik
terpenuhi maka hasil analisis yang digunakan adalah hasil analisis dengan OLS. Jika asumsi klasik tidak terpenuhi maka dilakukan perbaikan dan hasilnya
digunakan sebagai model fungsi harga hedonik beras organik. Pengujian asumsi klasik ditujukan untuk mengetahui apakah koefisien
regresi merupakan penaksir tak bias yang terbaik Best Linear Unbiased Estimator BLUE. Pengujian asumsi klasik adalah sebagai berikut:
c. Uji multikolinieritas. Uji multikolinieritas dimaksudkan untuk mengetahui
apakah terdapat hubungan linier antara variabel bebas yang digunakan dalam model. Hubungan linier antar variabel bebas dilihat dengan menggunakan
matriks korelasi antar variabel bebas. Jika nilai koefisien korelasi antara variabel bebas lebih besar dari 0,80 maka terdapat gangguan
59
multikolinearitas Gujarati, 1997. Jika dalam model terdapat gangguan multikolinearitas maka dilakukan perbaikan gangguan multikolinieritas
dengan mengeluarkan salah satu variabel yang berkorelasi dengan mempertimbangkan terjadinya bias spesifikasi pada model Gujarati, 1997.
d. Uji heteroskedastisitas. Uji heteroskedastisitas dilakukan untuk mengetahui
apakah model yang digunakan mempunyai unsur pengganggu error term yang konstan homoskedastis, yang secara matematis dilambangkan dengan
Eµ
i 2
= σ
2
. Jika unsur pengganggu tidak konstan, yaitu Eµ
i 2
= σ
i 2
berarti terjadi pelanggaran asumsi OLS yaitu model yang digunakan bersifat
heteroskedastis. Uji heteroskedastisitas yang digunakan meliputi uji Park, uji Glejser, dan uji White yang merupakan uji yang digunakan dalam program
Eviews. Adanya heteroskedastisitas ditunjukkan oleh harga statistik chi kuadrat
χ
2
dari ObsR-squared. Jika harga statistik chi kuadrat dari ObsR- squared lebih kecil dibandingkan dengan nilai kritis chi kuadratnya
χ
2
, maka dapat dikatakan bahwa tidak terdapat masalah heteroskedastistias
dalam model yang digunakan Widarjono, 2005. Jika dari analisis didapatkan permasalahan heteroskedastisitas, maka dilakukan perbaikan
dengan metode White atau Newey-West. Setelah persamaan regresi yang terbebas dari masalah multikolinieritas dan
heteroskedastisitas diperoleh, maka dilakukan uji kesesuaian model. Kesesuaian model ditunjukkan dari koefisien determinasi R
2
, uji F over-all test dan uji t individual test.
ii Koefisien determinasi R
2
. Nilai koefisien determinasi R
2
menunjukkan ketepatan model. Nilai koefisien determinasi ini menyatakan dengan persentase
variasi variabel terikat yang mampu dijelaskan oleh variasi variabel bebas yang digunakan dalam model. Nilai koefisien determinasi yang mendekati satu atau
60
sama dengan satu menunjukkan bahwa model yang digunakan adalah baik Gujarati, 1997. Nilai koefisien determinasi dihitung dengan menggunakan
rumus R
2
= ESSTSS atau R
2
= 1 - RSSTSS Keterangan: R2 = nilai koefisien determinasi, ESS = explained sum of squares,
TSS = total sum of squares, RSS = residual sum of squares Nilai koefisien determinasi selalu meningkat seiring dengan bertambahnya
variabel bebas yang digunakan dalam model. Hal ini menjadi kelemahan dari nilai koefisien determinasi. Untuk mengatasi hal ini, maka digunakan koefisien
determinasi yang disesuaikan adjusted R
2
dengan memasukkan derajat bebas agar kekurangan yang ditimbulkan dari penambahan variabel bebas dapat
dihilangkan Gujarati, 1997. Nilai adjusted R
2
sangat berguna untuk membandingkan nilai koefisien determinasi dari model regresi yang jumlah
variabel bebasnya tidak sama. Koefisien determinasi disesuaikan dihitung dengan rumus sebagai berikut:
∑ ∑
keterangan: = hasil estimasi nilai variabel terikat;
= rata-rata nilai variabel terikat; n = banyaknya sampel
Y
i
= nilai observasi variabel terikat; k = banyaknya variabel
ii Uji F over-all test, digunakan untuk menguji pengaruh variabel bebas secara bersama-sama terhadap variabel terikat. Uji-F ini digunakan untuk menguji
hipotesis bahwa semua koefisien regresi variabel bebas dalam model yang bernilai sama dengan nol. Secara matematis dirumuskan sebagai berikut:
61
H :
α
1
= α
2
= α
3
= .... = α
10
= 0, artinya tidak ada satu pun variabel bebas
yang berpengaruh terhadap variabel terikat; Ha: minimal satu
α
i
≠0, artinya terdapat sedikitnya satu variabel bebas yang berpengaruh terhadap variabel terikat.
Harga statistik-F dirumuskan sebagai berikut : ⁄
⁄
F-tabel = [ k – 1; n – k; 5 ]
keterangan: R
2
= koefisien determinasi k = banyaknya koefisien regresi termasuk intersep
n = ukuran sampel Jika F-hitung lebih besar dari F-tabel pada tingkat kesalahan 5, maka
disimpulkan bahwa didapatkan sedikitnya satu variabel bebas yang berpengaruh terhadap variabel terikat, namun jika F-hitung lebih kecil atau
sama dengan F-tabel maka tidak didapatkan cukup bukti bahwa terdapat variabel bebas yang berpengaruh terhadap variabel terikat.
iii Uji-t individual test, digunakan untuk menguji keberartian koefisien regresi masing-masing variabel bebas. Jika suatu koefisien regresi cukup berarti
secara statistik, berarti variabel bebas tersebut berpengaruh terhadap variabel terikat. Adapun rumusan hipotesis yang diuji adalah:
H :
α
i
= 0, artinya variabel bebas ke-i tidak berpengaruh terhadap variabel terikat
H
a
: α
i
≠0, artinya variabel bebas ke-i berpengaruh terhadap variabel terikat Harga statistik-t dihitung dengan menggunakan rumus sebagai berikut:
α
62
t-tabel = n – k ; 5
keterangan : α
i
= koefisien regresi variabel ke-i S
αi
= kesalahan baku koefisien regresi variabel ke-i Jika t-hitung lebih besar dari t-tabel pada tingkat kesalahan 5, maka disimpulkan
bahwa variabel bebas ke-i berpengaruh terhadap varibel terikat, dan jika t-hitung lebih kecil atau sama dengan t-tabel pada tingkat kesalahan 5, maka disimpulkan
bahwa variabel bebas ke-i tidak berpengaruh terhadap varibel terikat. 5. Analisis Perbedaan Struktur Fungsi Harga Hedonik dan Permintaan
Chow test. Perbedaan struktural diadaptasikan dari konsep perubahan
struktural antara dua periode pengamatan dengan data time series yang diperkenalkan oleh Prof. Gregory Chow Johnston dan Dinardo, 1997. Dalam
penelitian ini, perbedaan struktural antara dua daerah pengamatan dianalogikan perubahan struktural antara dua periode. Perbedaan struktural yaitu ketidak
konsistensi fungsi yang ditandai adanya perbedaan intersep dan koefisien regresi fungsi dari dua daerah pengamatan. Daerah pengamatan yang dimaksud dalam
penelitian ini adalah daerah Sragen sebagai representasi daerah asal produksi beras organik dan Surakarta dan Semarang sebagai representasi daerah tujuan pemasaran
beras organik. Adanya perbedaan intersep dan koefisen regresi menjelaskan adanya
perbedaan pengaruh variabel bebas terhadap variabel terikat pada daerah yang berbeda. Perbedaan intersep dan koefisien regresi pada dua daerah pengamatan
diuji dengan metode ekonometrik yaitu chow test break event test selanjutnya disebut chow test.
Untuk menguji hipotesis 3 bahwa tidak terdapat perbedaan struktur fungsi harga hedonik baik pada intersep maupun koefisien regresi antara fungsi harga
63
hedonik antara konsumen daerah Sragen dengan daerah Surakarta dan Semarang, maka dilakukan uji fungsi harga hedonik 3.2 yang dituliskan kembali sebagai
berikut: Ln
Pr
i
= α
0i
+ α
1i
Bl
i
+ α
2i
Wb
i
+ α
3i
Bt
i
+ α
4i
Br
i
+ α
5i
Bg
i
+ α
6i
Tk
i
+ α
7i
Ar
i
+ α
8i
Vg
i
+ α
9i
Ms
i
+ α
10i
Sp
i
+
ε
Pr
. . . . . . . . . . . . . . . . 3.2 Perbedaan struktur fungsi harga hedonik antara konsumen Sragen dengan
daerah Surakarta dan antara Sragen dengan Semarang, diuji dengan uji-F yang harga statistiknya dihitung dengan rumus sebagai berikut Johnston dan Dinardo,
1997; Gujarati, 2004: ⁄
⁄ dimana,
RSS
R
= Jumlah kuadrat residu restricted RSS
UR
= Jumlah kuadrat residu unrestricted Jika F hitung lebih besar dari F-tabel, maka dapat disimpulkan bahwa didapatkan
perbedaan pada parameter intersep dan atau koefisien regresi antara fungsi harga hedonik konsumen Sragen dengan Surakarta dan Semarang.
Untuk menguji hipotesis 5 bahwa tidak terdapat perbedaan struktur fungsi permintaan baik pada intersep maupun koefisien regresi antara fungsi
permintaan beras organik konsumen Sragen dengan Surakarta dan Semarang dilakukan uji terhadap fungsi permintaan 3.3 yang dituliskan kembali sebagai
berikut: Ln Q
i
= β
0i
+ β
1i
LnPr
1 i
+ β
2i
LnPc
i
+ β
3i
LnInc
i
+ β
4i
Ed
i
+ β
5i
RefKlg
i
+ β
6i
RefTmn
i
+ β
7i
RefTtg
i
+ β
8i
Pf
1 i
+
ε
Q
. . . . . . . . . . 3.3
64
Perbedaan struktur fungsi permintaan antara konsumen Sragen dengan Surakarta dan Semarang diuji dengan uji-F yang harga statistiknya dihitung dengan
rumus sebagai berikut Johnston dan Dinardo, 1997; Gujarati, 2004: ⁄
⁄ dimana,
RSS
R
= Jumlah kuadrat residu restricted RSS
UR
= Jumlah kuadrat residu unrestricted
Jika F hitung lebih besar dari F-tabel, maka dapat disimpulkan bahwa didapatkan perbedaan pada parameter intersep dan atau koefisien regresi antara fungsi
permintaan konsumen Sragen dengan Surakarta dan Semarang.
Uji Beda Koefisien Regresi. Untuk menguji hipotesis 3.a 3.b 5.a dan 5.b
maka dilakukan uji untuk melihat adanya perbedaan intersep dan koefisien fungsi regresi. Untuk menguji perbedaan tersebut metode Chow test diperluas dengan
menggunakan varibel dummy Johnston dan Dinardo, 1997. Variabel dummy merupakan variabel binary numeric 0 dan 1 yang digunakan dalam analisis regresi
untuk merepresentasikan adanya sub grup. Perbedaan struktural dapat diidentifikasi dengan membandingkan intersep dan koefisien regresi pada pooled regression
terhadap intersep dan koefisien regresi untuk daerah Sragen dengan Surakarta dan Semarang.
Variabel bebas yang dipilih dalam fungsi yang diperluas adalah variabel yang secara konsisten signifikan pada berbagai tempat pengamatan. Menurut
Burnett et al., 1995 bila tidak dilakukan asumsi pemilihan parameter yang konsisten signifikan, maka hasil regresi akan membawa pada i kesalahan
perhitungan terhadap kekuatan event tertentu dan juga ii kesalahan perhitungan terhadap respon pasar, sehingga hasilnya membawa kepada kesimpulan yang
65
keliru. Bila tidak terdapat satu pun variabel bebas yang konsisten signifikan, maka tidak perlu dilakukan pengujian dengan perluasan variabel dummy.
Model perluasan untuk pengujian perbedaan struktur fungsi harga hedonik adalah sebagai berikut:
Ln Pr
i
= α
0i
+
01i
Da
i
+
02i
Dg
i
+ α
1i
Bl
i
+
11i
Da
i
Bl
i
+
12i
Dg
i
Bl
i
+ α
2i
Br
i
+
21i
Da
i
Br
i
+
22i
Dg
i
Br
i
+ α
3i
Tk
i
+
31i
Da
i
Tk
i
+
32i
Dg
i
Tk
i
+ α
4i
Ms
i
+
41i
Da
i
Ms
i
+
42i
Dg
i
Ms
i
+
Pr
. . . . . . . . . . . . . . . . . . . . . 3.4 dimana:
Ln Pr
i
: Harga beras organik Rpkg Bl
i
: Butir kepala skor Br
i
: Butir kapur
skor Tk
i
: Tekstur skor
Ms
i
: Rasa manis skor Da
: Dummy lokasi Surakarta Dg
: Dummy lokasi Semarang
Untuk menguji hipotesis 3.a maka dilakukan uji keberartian koefisien regresi yang secara matematis hipotesisnya dirumuskan sebagai berikut:
H :
= 0, artinya harga di Surakarta Semarang sama dengan harga di Sragen
H
a
: ≥ 0, artinya harga di Surakarta Semarang lebih tinggi daripada
harga di Sragen Harga statistik-t dihitung dengan menggunakan rumus sebagai berikut:
δ
t-tabel = n – k ; 52
keterangan :
66
= koefisien regresi variabel dummy lokasi S
o
= kesalahan baku koefisien regresi variabel dummy lokasi Jika t-hitung lebih besar dari t-tabel pada tingkat kesalahan 5, maka disimpulkan
bahwa harga di Surakarta Semarang lebih tinggi daripada Sragen, jika t-hitung lebih kecil t-tabel pada tingkat kesalahan 5, maka disimpulkan bahwa harga di
Surakarta Semarang sama dengan Sragen.
Untuk menguji hipotesis 3.b maka dilakukan uji keberartian koefisien regresi
i
yang secara matematis hipotesisnya dirumuskan sebagai berikut: H
:
i
= 0, artinya koefisien regresi variabel ke i fungsi harga hedonik di Surakarta Semarang sama dengan Sragen.
H
a
:
i
≥ 0, artinya koefisien regresi variabel ke i fungsi harga hedonik di Surakarta Semarang lebih besar daripada di Sragen.
Harga statistik-t dihitung dengan menggunakan rumus sebagai berikut: δ
t-tabel = n – k ; 52
keterangan :
i
= koefisien regresi interaksi lokasi dengan variabel ke i S
o
= kesalahan baku koefisien interaksi lokasi dengan variabel ke i Jika t-hitung lebih besar dari t-tabel pada tingkat kesalahan 5, maka disimpulkan
bahwa koefisien regresi variabel ke i fungsi harga hedonik di Surakarta Semarang lebih besar daripada Sragen, jika t-hitung lebih kecil t-tabel pada
tingkat kesalahan 5, maka disimpulkan bahwa koefisien regresi variabel ke i fungsi harga hedonik di Surakarta Semarang sama dengan Sragen.
Model perluasan untuk pengujian perbedaan struktur fungsi permintaan adalah sebagai berikut:
67
LnQ
i
= α
0i
+
01i
Da
i
+
02i
Dg
i
+ β
i
Pr
1 i
+
1i
Da
i
Pr
1 i
+
2i
Dg
i
Pr
1 i
+ β
2i
RefKlg
i
+
21i
Da
i
RefKlg
i
+
22i
Dg
i
RefKlg
i
+ β
3i
RefTmn
i
+
31i
Da
i
RefTmn
i
+
32i
Dg
i
RefTmn
i
+ β
4i
RefTtg
i
+
41i
Da
i
RefTtg
i
+
42i
Dg
i
RefTtg
i
+ β
5i
Pf
1 i
+
51i
Da
i
Pf
1 i
+
52i
Dg
i
Pf
1 i
+
Q
. . . . . . . . . . . . . . . . 3.5 dimana,
Q
i
: Permintaan beras organik kgbln Pr
1 i
: Harga beras organik dugaan Rpkg RefKlg
i
: Referensi keluarga, 0 jika tidak ada referensi, 1 jika ada referensi RefTmn
i
: Referensi teman, 0 jika tidak ada referensi, 1 jika ada referensi RefTtg
i
: Referensi tetangga, 0 jika tidak ada referensi, 1 jika ada referensi Pf
1 i
: Preferensi konsumen dugaan nilai terduga Da
: Dummy lokasi Surakarta Dg
: Dummy lokasi Semarang
Untuk menguji hipotesis 5.a maka dilakukan uji keberartian koefisien regresi yang secara matematis hipotesisnya dirumuskan sebagai berikut:
H :
= 0, artinya permintaan di Surakarta Semarang sama dengan harga di Sragen
H
a
: ≥ 0, artinya permintaan di Surakarta Semarang lebih tinggi daripada
harga di Sragen Harga statistik-t dihitung dengan menggunakan rumus sebagai berikut:
δ
t-tabel = n – k ; 52
keterangan : = koefisien regresi variabel dummy lokasi
S
o
= kesalahan baku koefisien regresi variabel dummy lokasi Jika t-hitung lebih besar dari t-tabel pada tingkat kesalahan 5, maka disimpulkan
bahwa permintaan beras organik di Surakarta Semarang lebih besar daripada
68
Sragen, jika t-hitung lebih kecil t-tabel pada tingkat kesalahan 5, maka disimpulkan bahwa permintaan beras organik di Surakarta Semarang sama
dengan Sragen.
Untuk menguji hipotesis 5.b maka dilakukan uji keberartian koefisien regresi
i
yang secara matematis hipotesisnya dirumuskan sebagai berikut: H
:
i
= 0, artinya koefisien regresi variabel ke i fungsi permintaan di Surakarta Semarang sama dengan di Sragen
H
a
:
i
≥ 0, artinya koefisien regresi variabel ke i fungsi permintaan di Surakarta Semarang lebih besar dari fungsi permintaan di Sragen
Harga statistik-t dihitung dengan menggunakan rumus sebagai berikut: δ
t-tabel = n – k ; 52
keterangan :
i
= koefisien regresi interaksi lokasi dengan variabel ke i S
o
= kesalahan baku koefisien interaksi lokasi dengan variabel ke i Jika t-hitung lebih besar dari t-tabel pada tingkat kesalahan 5, maka disimpulkan
bahwa koefisien regresi variabel ke i fungsi permintaan di SurakartaSemarang lebih besar daripada Sragen, jika t-hitung lebih kecil t-tabel pada tingkat kesalahan
5, maka disimpulkan bahwa koefisien regresi variabel ke i fungsi permintaan di SurakartaSemarang sama dengan Sragen.
IV. GAMBARAN KONSUMEN BERAS ORGANIK